【技术实现步骤摘要】
一种基于道路类型和工况识别的快速MPC自动驾驶控制方法
[0001]本专利技术属于自动驾驶
，更具体地，涉及一种基于自适应道路类型和工况识别的快速MPC自动驾驶控制方法和系统。
技术介绍
[0002]MPC（Model Predictive Control，多变量控制策略）由于其对多约束优化问题具有较好的求解能力，目前在车辆自动驾驶技术上的应用受到广泛关注。MPC框架包含模型预测模块，滚动求解最优控制序列的优化模块以及校正反馈模块。其控制原理为基于车辆动力学模型，建立模型预测矩阵，在系统状态量和控制量的约束条件下滚动求解每步预测矩阵的最优控制量，得到最优控制序列，并将第一步求解的最优控制量的值输出给执行器，同时根据车辆当前状态更新未来状态量约束。MPC算法具有优秀的处理多状态量多控制量和多约束的复杂系统下的优化问题的能力，具有较强的鲁棒性。尽管其控制结果并非全局最优解，但能把环境干扰产生的误差实时修正，实现在预测域内的控制效果最优。
[0003]MPC求解器的控制效果与预测步长和控制步长成正比，控制步长和预测步...
【技术保护点】
【技术特征摘要】
1.一种基于自适应道路类型和工况识别的快速MPC自动驾驶控制方法，其特征在于，包括下述步骤：（1）根据当前时刻参考轨迹给出的未来道路曲率识别道路类型；（2）根据当前时刻参考轨迹给出的未来速度和加速度信息识别未来工况类型；（3）根据上述识别结果自适应选择实际的预测步长和控制步长；（4）通过车辆的横纵向误差动力学模型，建立预测和控制模型并获得MPC求解器框架；（5）利用搭建的MPC框架通过设置不同的预测步长和控制步长，根据仿真测试结果选择满足约束条件的预测步长和控制步长作为基准；（6）根据道路识别结果、工况识别结果、基准预测步长和基准控制步长生成实际应用矩阵；（7）根据输入的实际预测和控制矩阵规模更新求解器矩阵计算规模，并输出控制序列。2.如权利要求1所述的快速MPC自动驾驶控制方法，其特征在于，步骤（1）具体为：步骤1.1：获取参考轨迹上的坐标序列，，利用数值求解出坐标的差分序列，；步骤1.2：根据横、纵坐标的差分序列计算参考轨迹点上的航向序列，并对航向序列进行差分解出航向增量序列和轨迹长度增量序列；步骤1.3：根据航向增量序列和轨迹长度增量序列计算参考轨迹的道路曲率序列；步骤1.4：计算道路曲率序列绝对值的平均值，并根据平均值来识别未来参考道路类型。3.如权利要求1所述的快速MPC自动驾驶控制方法，其特征在于，步骤（2）具体为：提取参考轨迹中的速度序列和加速度序列，并计算速度序列与当前参考速度值的差值或判断加速度序列与0的差值；当参考速度序列与当前参考速度的差值始终保持在0附近时，未来参考行驶工况为匀速，否则为变速；当参考加速度序列中的值始终保持在0附近时，未来参考行驶工况为匀速，否则为变速行驶。4.如权利要求1所述的快速MPC自动驾驶控制方法，其特征在于，步骤（3）中选择实际的预测步长和控制步长具体为：设置选取预测步长和控制步长的评价标准；搭建仿真测试场景；所述仿真测试场景包括不同的道路类型和工况类型，且在仿真测试场景中直道匀速、直道变加速、大曲率弯道匀速、大曲率弯道变加速、小曲率弯道匀速和小曲率弯道变加速均有设置；基于仿真测试场景，设置不同的预测步长和控制步长，并根据
选取最合适的预测步长和控制步长作为MPC求解基准步长；其中，n表示仿真步长，，，分别表示单步耗时，单步横向误差以及单步纵向误差的权重系数。5.如权利要求1所述的快速MPC自动驾驶控制方法，其特征在于，步骤（4）具体为：基于车辆二自由度模型并考虑轮胎侧偏性能建立横纵向误差动力学模型；所述横纵向误差动力学模型包括6个状态变量和2个控制变量，状态变量包括横向状态变量和纵向状态变量，横向状态变量包括横向误差，横向速度，航向误差和航向误差角速度；纵向状态变量包括位置误差和速度误差；控制变量包括横向控制变量和纵向控制变量，横向控制变量为前轮转角，纵向控制变量为纵向误差加速度补偿，其中所述横纵向误差动力学模型中误差动力学的状态方程为；其中，，，，，，，，，，分别表示整车质量，车辆纵向速度，前轮轮胎刚度，后轮轮胎刚度，绕z轴的转动惯量，道路固有性质；对所述误差动力学的状态方程进行离散化处理，获得...
【专利技术属性】
技术研发人员：刘俊骏，孙浩，
申请(专利权)人：深圳安智杰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。